如何用MySQL LIKE检索文本含指定关键词但HTML标签不含该关键词的记录？

原SQL语句的核心问题是：content NOT LIKE '<%span%>'会错误排除所有包含<...span...>标签的记录——哪怕这些记录同时在标签外也有关键词（比如示例2的情况），这完全违背了需求。我们需要的是只要关键词至少有一次出现在HTML标签之外，就保留该记录，而非排除所有含标签内关键词的记录。

以下是不同数据库的实现方案：

MySQL/MariaDB（不支持正则环视） #

由于MySQL的正则不支持正向/反向环视，我们可以通过匹配关键词出现在标签闭合符>之后、标签开始符<之前，或者文本开头的情况来判断：

SELECT * FROM mytable 
WHERE `content` LIKE '%span%'
AND (
  `content` REGEXP '>[^<]*span' -- 关键词在标签闭合后
  OR `content` REGEXP 'span[^>]*<' -- 关键词在标签开始前
  OR `content` REGEXP '^span' -- 关键词在文本开头（无前置标签）
);

PostgreSQL（支持正则环视） #

利用正则的否定环视功能，可以更精准地匹配不在标签内的关键词：

SELECT * FROM mytable 
WHERE content ~ 'span'
AND content ~ '(?<!<[^>])span(?!>[^<])';

解释：

• (?<!<[^>])：反向否定环视，确保"span"前面不是未闭合的标签内容（即不在<到>的区间内）
• (?!>[^<])：正向否定环视，确保"span"后面不是未闭合的标签内容

SQL Server #

使用REGEXP_LIKE函数实现类似逻辑：

SELECT * FROM mytable 
WHERE content LIKE '%span%'
AND REGEXP_LIKE(content, '(^|>)span|<[^>]*>.*span');

补充说明 #

如果你的数据存在复杂的HTML嵌套（比如标签内包含引号、换行等），纯SQL正则的处理能力有限，这种情况下建议先在应用层将HTML标签剥离后再进行关键词匹配，结果会更准确。

内容的提问来源于stack exchange，提问作者Duddy67